The Use of Statistical Methods for Data Processing

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

BRNO UNIVERSITY OF TECHNOLOGY

FAKULTA PODNIKATELSKÁ

ÚSTAV INFORMATIKY

UPLATNĚNÍ STATISTICKÝCH METOD PŘI ZPRACOVÁNÍ

DAT

THE USE OF STATISTICAL METHODS FOR DATA PROCESSING

BAKALÁŘSKÁ PRÁCE

AUTOR PRÁCE

Štěpán Hřiba

VEDOUCÍ PRÁCE

Mgr. Veronika Novotná, Ph.D.

BRNO 2016

Vysoké učení technické v Brně Akademický rok: 2015/2016

Fakulta podnikatelská Ústav informatiky

ZADÁNÍ BAKALÁŘSKÉ PRÁCE

Hřiba Štěpán

Manažerská informatika (6209R021)

Ředitel ústavu Vám v souladu se zákonem č.111/1998 o vysokých školách, Studijním a zkušebním řádem VUT v Brně a Směrnicí děkana pro realizaci bakalářských a magisterských studijních programů zadává bakalářskou práci s názvem:

Uplatnění statistických metod při zpracování dat v anglickém jazyce:

The Use of Statistical Methods for Data Processing Pokyny pro vypracování:

Úvod

Cíle práce, metody a postupy zpracování Teoretická východiska práce

Analýza problému Vlastní návrhy řešení Závěr

Seznam použité literatury

Podle § 60 zákona č. 121/2000 Sb. (autorský zákon) v platném znění, je tato práce "Školním dílem". Využití této práce se řídí právním režimem autorského zákona. Citace povoluje Fakulta podnikatelská Vysokého učení technického v Brně.

Seznam odborné literatury:

HINDLS, R. Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing, 2007. 415 s. ISBN 978-80-86946-43-6.

KROPÁČ, J. Statistika B. 2. dopl. vyd. Brno: Vysoké učení technické v Brně, Fakulta podnikatelská, 2009. 151 s. ISBN 978-80-214-3295-6.

KUBANOVÁ, J. Statistické metody pro ekonomickou a technickou praxi. 3. vyd. Bratislava: STATIS, 2008. 247 s. ISBN 978-80-85659-474.

RŮČKOVÁ, P. Finanční analýza: metody, ukazatele, využití v praxi. 3. rozš. vyd. Praha: Grada, 2010. 139 s. ISBN 978-80-247-3308-1.

SEDLÁČEK, J. Finanční analýza podniku. 1. vyd. Brno: Computer Press, 2007. 154 s. ISBN 978-80-251-1830-6.

Vedoucí bakalářské práce: Mgr. Veronika Novotná, Ph.D.

Termín odevzdání bakalářské práce je stanoven časovým plánem akademického roku 2015/2016.

L.S.

_______________________________ _______________________________ doc. RNDr. Bedřich Půža, CSc. doc. Ing. et Ing. Stanislav Škapa, Ph.D.

Ředitel ústavu Děkan fakulty

V Brně, dne 29.2.2016

Abstrakt

Tato bakalářská práce je zaměřená na uplatnění statistických metod při zpracování dat. Je rozdělená na dvě části – teoretická a praktická část. V teoretické části práce je popsaná regresní analýza, časové řady a problematika finanční analýzy. Praktická část obsahuje charakteristiku vybrané společnosti a analýzu vybraných ekonomických ukazatelů, které jsou poté zpracovány pomocí regresní analýzy a časovými řadami.

Abstract

The statistical method application of data processing is the study object of this thesis. The thesis is composed of two parts – theoretical and practical. The theoretical part deals with regression analysis, time series and financial analysis issue. The practical part draws the attention to the characteristic of a chosen company and analysis of selected economic indicators. These economic indicators are processed by the aid of regression analysis and time series.

Klíčová slova

Regresní analýza, finanční analýza, časové řady, ukazatele, společnost, zisk

Key words

Regression analysis, financial analysis, time series, indicators, company, profit

Bibliografická citace

HŘIBA, Š. Uplatnění statistických metod při zpracování dat. Brno: Vysoké učení technické v Brně, Fakulta podnikatelská, 2016. 61 s. Vedoucí bakalářské práce Mgr. Veronika Novotná, Ph.D..

Čestné prohlášení

Prohlašuji, že předložená bakalářská práce je původní a zpracoval jsem ji samostatně. Prohlašuji, že citace použitých pramenů je úplná, že jsem ve své práci neporušil autorská práva (ve smyslu Zákona č. 121/2000 Sb., o právu autorském a právech souvisejících s právem autorským).

V Brně dne 31. května 2016

Poděkování

Tímto bych chtěl poděkovat vedoucí mé bakalářské práce Mgr. Veronice Novotné, Ph.D. za spolupráci, dobré připomínky a ochotu mi věnovat čas.

Obsah

1.2.1 Znázornění časových řad ... 11

1.2.2 Charakteristiky časových řad ... 11

1.2.3 Dekompozice časových řad ... 13

Regresní analýza ... 15

1.3.1 Regresní přímka ... 15

1.3.2 Volba regresní funkce ... 16

1.3.3 Další typy regresních funkcí ... 17

Finanční analýza ... 18

1.4.1 Zdroje dat pro finanční analýzu ... 19

1.4.2 Metody finanční analýzy ... 20

1.4.3 Horizontální analýza ... 20

1.4.4 Vertikální analýza ... 20

1.4.5 Rozdílové ukazatele ... 21

1.4.6 Poměrové ukazatele ... 21

2 ANALÝZA SOUČASNÉHO STAVU ... 27

Základní údaje ... 27 2.1.1 Hodnoty společnosti ... 27 2.1.2 Činnost společnosti ... 27 Analýza ukazatelů ... 28 2.2.1 Analýza tržeb ... 28 2.2.2 Analýza likvidity ... 31 2.2.3 Analýza zadluženosti ... 34 2.2.4 Analýza rentability ... 37 2.2.5 Analýza aktivity ... 40

3 VLASTNÍ NÁVRHY ŘEŠENÍ ... 44

Likvidita ... 44 Rentabilita ... 45 Zadluženost ... 45 Aktivita ... 46 Navrhnutá aplikace ... 46 ZÁVĚR ... 50

SEZNAM POUŽITÝCH ZDROJŮ ... 51 SEZNAM OBRÁZKŮ ... 53 SEZNAM TABULEK ... 54 SEZNAM GRAFŮ ... 55 SEZNAM VZORCŮ ... 56 SEZNAM PŘÍLOH ... 57

8

ÚVOD

Téma mé bakalářské práce je „Uplatnění statistických metod při zpracování dat“. Práce je provedená na datech společnosti Technické sítě Brno a. s. a věnuji se v ní rozboru finanční situace společnosti. Potřebné informace na vypracování jsem získal komunikací se společností.

Práce je rozdělená na dvě části – teoretickou a praktickou, kde praktická se ještě člení na analytickou a návrhovou. Teoretická část je zaměřená na vysvětlení pojmů z časových řad, regresní analýzy a finanční analýzy. V analytické části se věnuji představení společnosti a jsou zde spočítané ekonomické ukazatele – rentabilita, analýza tržeb, likvidita, zadluženost. Dále jsem zde použil statistické metody pro odhad budoucího rozvoje společnosti. V návrhové části jsou uvedeny návrhy možných řešení finanční situace společnosti, které plynou z analýzy společnosti, a aplikace vytvořená v programovacím jazyce Visual Basic v prostředí Microsoft Excel, která slouží jako podpora při vyhodnocování finanční situace ve společnosti.

9

CÍL PRÁCE

 Cílem mé práce je uplatnění statistických metod při provedení finanční analýzy společnosti TSB a. s. v období let 2009 – 2014.

 Druhým cílem je zhodnocení situace společnosti a vytvořit návrh na zlepšení.

 Dalším cílem je vytvoření jednoduché aplikace, která mi pomůže s výpočty.

10

1

TEORETICKÁ VÝCHODISKA

Tato část bakalářské práce je věnována popisu teoretických podkladů pro statistickou analýzu a finanční analýzu.

Statistika

Matematická statistika patří k vědním oborů, se kterým se setkáme každý den. Je to věda o zákonitostech a metodách zkoumání hromadných náhodných jevů představovaných ve tvaru statistických souborů. Jednoduše tedy můžeme statistiku definovat jako způsob shromažďování dat, práce s daty a jejich následná kvalitní interpretace.

Časové řady

Pod pojmem časové řady rozumíme posloupnost věcně a prostorově srovnatelných pozorování (dat), která jsou jednoznačně uspořádána z hlediska přirozené časové posloupnosti. [2]

Časové řady ekonomických ukazatelů se obvykle člení určitým způsobem, jde především o vyjádření rozdílností v obsahu sledovaných ukazatelů. Základní druhy časových řad se dělí:

 podle časového hlediska na časové řady intervalové (charakterizují kolik jevů, věcí, událostí apod. vzniklo nebo zaniklo v určitém časové intervalu) a časové řady okamžikové (charakterizují, kolik ukazatelů existuje v určitém časovém okamžiku),

 podle periodicity, s jakou jsou údaje v řadách sledovány, a to na roční (dlouhodobé) a na krátkodobé (periodické např. měsíční, čtvrtletní),

 podle druhů sledovaných ukazatelů na časové řady primárních ukazatelů a na časové řady sekundárních (odvozených) charakteristik,

 podle způsobu vyjádření údajů na časové řady naturálních ukazatelů a časové řady peněžních ukazatelů. [1, 2]

11

Uvedené druhy časových řad mají svoje vlastnosti, což způsobuje, že se při jejich zpracování musí využít různé postupy. Pro ukazatele z intervalových časových řad je možné tvořit součty a vytvořit tak součtové – kumulativní řady, naproti tomu sčítání údajů okamžikových řad nemá reálnou interpretaci. Při zpracování intervalových časových řad je také nutné dbát na délku časových intervalů, tak aby jejich délka byla stejná, protože rozdílná délka ovlivňuje hodnoty ukazatelů a tím zkresluje jejich vývoj (např. různý počet dnů v měsících). S těmito problémy se u okamžikových časových řad nesetkáváme, protože ty se vždy vztahují k určitému časovému okamžiku. [1]

1.2.1Znázornění časových řad

Abychom mohli usoudit, jaký bude další vývoj časových řad, je potřeba si je graficky znázornit. Je nutné rozlišovat i o jakou časovou řadu se jedná. Intervalové časové řady znázorňujeme následovně:

 hůlkové grafy: zde se pomocí úseček umístěných ve středu intervalů vynášejí jednotlivé hodnoty časové řady,

 spojnicové grafy: zde se nad středem příslušných intervalů vynáší body, které znázorňují jednotlivé hodnoty časové řady a jsou spojeny úsečkami,

 sloupkové grafy: zde jsou zobrazeny obdélníky, kde jejich základny jsou rovny délkám intervalů a výšky jsou rovny hodnotám časové řady v příslušném intervalu. [1]

Spojnicovými grafy se znázorňují výhradně okamžikové časové řady.[1] 1.2.2Charakteristiky časových řad

K základním charakteristikám časových řad můžeme řadit diference různého řádu, tempa a průměrná tempa růstu, průměry hodnot časové řady apod. [2]

1.2.2.1 Průměr intervalové řady

Označuje se ȳ a vypočítá se jako aritmetický průměr hodnot časové řady v jednotlivých intervalech. Vzorec: [1]

12 ȳ = 1 𝑛∑ 𝑦𝑖 𝑛 𝑖=1 vz. 1: Průměr intervalové řady

1.2.2.2 Průměr okamžikové časové řady

Říká se mu průměr chronologický a také se označuje ȳ. V případě, kdy vzdálenosti mezi jednotlivými časovými okamžiky t1, t2, …, tn, ve kterých jsou hodnoty této časové řady

zadány, jsou stejně dlouhé, nazývá se neváženým chronologickým průměrem a je daný vztahem: [1] ȳ = 1 𝑛 − 1[ 𝑦₁ 2 + ∑ 𝑦𝑖 + 𝑦_𝑛 2 𝑛−1 𝑖=2 ] vz. 2: Průměr okamžikové řady 1.2.2.3 První diference

Jsou nejjednodušší charakteristikou, která se používá k popisu vývoje časové řady. Někdy se jim také říká absolutní přírůstky. Značí se 1di(y), vypočítáme je jako rozdíl dvou

po sobě jdoucích hodnot časové řady, jsou dané vztahem [1]: 𝑑𝑖(𝑦) = 𝑦𝑖 − 𝑦𝑖−1, 𝑖 = 2, 3, … , 𝑛 1

vz. 3: První diference

První diference vyjadřují přírůstek hodnoty časové řady, tedy o kolik se změnila její hodnota v určitém okamžiku. Jestliže první diference kolísají kolem konstanty, znamená to že, sledovaná časová řada má lineární trend a její vývoj lze popsat přímkou. [1]

1.2.2.4 Průměr prvních diferencí

Průměr prvních diferencí vyjadřuje, o kolik se průměrně změnila hodnota časové řady za jednotkový časový interval. Vypočítáme jej pomocí vzorce [1]:

13 𝑑(𝑦) 1 ̅̅̅̅̅̅̅̅ = 𝑦𝑛− 𝑦1 𝑛 − 1 vz. 4: Průměr prvních diferencí 1.2.2.5 Koeficient růstu

Označujeme jej jako ki(y). Charakterizuje rychlost růstu nebo poklesu hodnot časové řady

a vypočítáme jej pomocí vzorce (1): 𝑘_𝑖(𝑦) = 𝑦𝑖

𝑦_𝑖−1, 𝑖 = 2, 3, … , 𝑛.

vz. 5: Koeficient růstu

Koeficient růstu udává, kolikrát se zvýšila hodnota časové řady v určitém okamžiku. Pokud koeficienty růstu kolísají kolem konstanty, pak usuzujeme, že trend ve vývoji časové řady se dá vystihnout exponenciální funkcí. [1]

1.2.2.6 Průměrný koeficient růstu

Průměrný koeficient růstu vyjadřuje průměrnou změnu koeficientů růstu za jednotkový časový interval. Můžeme ho popsat pomocí vzorce [1]:

𝑘(𝑦) ̅̅̅̅̅̅ = √𝑦𝑛 𝑦₁ 𝑛−1 . vz. 6: Průměrný koeficient růstu

1.2.3Dekompozice časových řad

Hodnoty časové řady můžou být rozděleny na několik složek, není však nutná jejich souběžná existence a je podmíněná věcným charakterem zkoumaného ukazatele. Pokud se jedná o tzv. aditivní dekompozici, lze hodnoty časové řady vyjádřit pro čas ti, i = 1, 2,

…, n, součtem:

𝑦_𝑖 = 𝑇_𝑖+ 𝐶_𝑖 + 𝑆_𝑖 + 𝑒_𝑖

vz. 7: Dekompozice časových řad

14 kde,

 Ti – hodnota trendové složky,

 Ci – hodnota cyklické složky,

 Si – hodnota sezónní složky,

 ei – hodnota náhodné složky. [1, 2]

1.2.3.1 Trendová složka

Pod tímto pojmem rozumíme hlavní tendenci dlouhodobého vývoje hodnot analyzovaného ukazatele v čase. Trend může být rostoucí, klesající nebo konstantní, kdy hodnoty ukazatele mohou v průběhu sledovaného období kolísat kolem neměnné úrovně. [2]

1.2.3.2 Cyklická složka

Kolísání okolo trendu v důsledku cyklického vývoje s délkou vlny delší než jeden rok říkáme cyklická složka. Statistika chápe cyklus jako dlouhodobé kolísání s neznámou periodou. Někdy nebývá cyklická složka považována za samostatnou, ale je zahrnována pod složku trendovou jako její část. [2]

1.2.3.3 Sezónní složka

Popisuje periodické změny v časové řadě, které se odehrávají během jednoho kalendářního roku a každý rok se opakují. Příčiny sezónního kolísaní mohou být různé. Dochází k nim vlivem střídání ročního období nebo také vlivem lidských zvyklostí. Pro zkoumání této složky jsou nejvhodnější měsíční nebo čtvrtletní měření. [1, 2]

1.2.3.4 Náhodná složka

Je to veličina, kterou nelze popsat žádnou funkcí času. Zbývá po vyloučení trendu, sezónní a cyklické složky. Chování náhodné složky můžeme popsat pravděpodobnostně. [2]

15

Regresní analýza

Regresní analýza je nejpoužívanějším způsobem popisu vývoje časové řady, protože umožňuje nejen vyrovnání pozorovaných dat časové řady, ale také prognózu jejího dalšího vývoje. [1]

Hlavním úkolem regresní analýzy je zjištění tvaru stochastické závislosti a parametrů regresní funkce. Zabývá se závislostí náhodné veličiny Y na veličině x (nezávislá proměnná), která nebude náhodná a může být obecně n-rozměrná. [5]

Regresní analýza se zabývá jednostrannými závislostmi. Což znamená, že jde o situaci, kdy proti sobě stojí vysvětlující proměnná v úloze „příčin“ a vysvětlovaná proměnná v úloze následků. Obvykle se v těchto situacích zkoumají obecné tendence ve změnách vysvětlovaných proměnných vzhledem ke změnám vysvětlujících proměnných. Snahou je zjistit formy změn např. vysvětlované proměnné y při změnách vysvětlující proměnné x. [2]

1.3.1Regresní přímka

Nejjednodušší variantou regresní úlohy je regresní přímka. Funkce regresní přímky η(x) je vyjádřena přímkou η(x) = β1 + β2x, platí:

𝐸(𝑌|𝑥) = 𝜂(𝑥) = 𝛽₁+ 𝛽₂𝑥

vz. 8: Regresní přímka

Pro zjištění celé přímky musíme nejdříve stanovit odhady dvou parametrů β1 a β2. Pro to

využijeme metody nejmenších čtverců a dva koeficienty označené jako b1 a b2. Tato

metoda spočívá v tom, že za nejlepší považujeme právě koeficienty b1 a b2, minimalizují

funkci S (b1, b2), která je dána vzorcem:

𝑆(𝑏₁, 𝑏₂) = ∑(𝑦𝑖 − 𝑏1− 𝑏2𝑥𝑖)2 𝑛 𝑖=1 vz. 9: Odhad koeficientů

16

Koeficienty vypočteme buď některou z metod pro řešení soustavy dvou lineárních rovnic o dvou neznámých, nebo pomocí vzorců:

𝑏₂ =∑ 𝑥𝑖𝑦𝑖 − 𝑛𝑥̅𝑦̅ 𝑛 𝑖=1 ∑𝑛 𝑥_𝑖2− 𝑛𝑥̅2 𝑖=1 , 𝑏₁ = 𝑦̅ − 𝑏₂𝑥̅, vz. 10: Výpočet koeficientů b1 a b2

kde 𝑥̅ respektive ȳ jsou výběrové průměry, pro které platí:

𝑥̅ =1 𝑛∑ 𝑥𝑖, 𝑦̅ = 1 𝑛 𝑛 𝑖=1 ∑ 𝑦_𝑖. 𝑛 𝑖=1 vz. 11: Výběrové průměry

Odhad regresní přímky, který značíme 𝜂̂ (x), je dán předpisem: 𝜂̂(𝑥) = 𝑏₁+ 𝑏₂𝑥.

vz. 12: Odhad regresní přímky

1.3.2Volba regresní funkce

Při určování regresních funkcí je nutné nejprve vyřešit problém, jak zvolit typ regresní funkce, který nejlépe vystihuje danou závislost. Tento problém je jeden z nejdůležitějších úloh celé regresní analýzy a závisí na něm úspěšnost vykonávaných regresních odhadů. Regresní funkce by měla být zvolena na základě věcného rozboru analýzy vztahů mezi veličinami, přičemž by základem rozhodnutí měla být existující ekonomická teorie. Věcná analýza založená na platné ekonomické teorii lze v některých případech dobře posoudit, jak dalece jde o funkci rostoucí nebo klesající, jaký je smysl zakřivení, přichází-li v úvahu inflexní bod, nebo zda jde o funkci nekonečně rostoucí či naopak o funkci s růstem ke konečné limitě.

17

Pokud nejsme schopni jednoznačně stanovit vhodný typ regresní funkce na základě věcně ekonomických kritérií, používáme empirický způsob volby, který je založen na rozboru empirického průběhu závislosti. Základem je grafická metoda, kdy průběh závislosti znázorňujeme ve formě bodového diagramu, kde každá dvojice pozorování x a y tvoří bod grafu. Díky charakteristického průběhu grafu, můžeme rozhodnout, jaký typ konkrétní regresní funkce (přímka, parabola, logaritmická funkce, apod.) by byl pro popis dané závislosti nejvhodnější. [2]

Charakteristikou k posouzení vhodnosti zvolené regresní funkce je vhodnější použít tzv. index determinace. Značí se I2 _{a vyjadřujeme jej následujícím vzorcem. Díky tomu se dá}

zjistit, jak dobře zvolená regresní funkce funkční závislost mezi závisle a nezávisle proměnnou vystihuje. [1] 𝐼2 = 𝑆𝜂̂ 𝑆_𝑦 𝑛𝑒𝑏𝑜 𝐼 2 _{= 1 −}𝑆𝑦−𝜂̂ 𝑆_𝑦 vz. 13: Index determinace A platí 𝑆_𝑦 = 𝑆_𝜂̂ + 𝑆_{𝑦−𝜂̂}

vz. 14: Zbývající člen rovnice I2

 Sy je roven průměru ze součtu kvadrátů odchylek zadaných hodnot od jejich

průměru a nazývá se rozptylem empirických hodnot.

 𝑆_𝜂̂ je roven průměru ze součtu kvadrátů odchylek vyrovnaných hodnot

od průměru zadaných dat a nazývá se rozptylem vyrovnaných hodnot.

 𝑆_𝑦−𝜂̂ je roven průměru ze součtu kvadrátů odchylek zadaných hodnot

od vyrovnaných a nazývá se reziduálním rozptylem. [1] 1.3.3Další typy regresních funkcí

Na níže uvedených vzorcích si ukážeme další významné typy regresních funkcí.

18

𝜂(𝑥) = 𝛽₁+ 𝛽₂log 𝑥

vz. 15: Logaritmická regresní funkce

𝜂(𝑥) = 𝛽₁+ 𝛽₂𝑥 + 𝛽₃𝑥2_{+ ⋯ + 𝛽} 𝑝𝑥𝑞

vz. 16: Polynomická regresní funkce

𝜂(𝑥) = 𝛽₁+𝛽2 𝑥

vz. 17: Hyperbolická regresní funkce

Finanční analýza

Můžeme ji definovat jako systematický rozbor získaných dat, která jsou obsažena především v účetních výkazech. Tyto analýzy hodnotí firemní minulost, současnost a předpovídají budoucí finanční podmínky. Také analyzují různé varianty finančního plánu a jednotlivé podnikatelské záměry. [3, 4]

Hlavním smyslem finanční analýzy je připravit podklady pro kvalitní rozhodování o fungování podniku.

Výsledky finanční analýzy jsou významné nejen pro strategické řízení firmy v oblasti finančního managementu, ale i při hodnocení a výběru partnerů v obchodní oblasti. [3] Uživateli finanční analýzy jsou investoři, manažeři, zaměstnanci, obchodní partneři (dodavatelé, zákazníci), banky a jiní věřitelé, konkurenti, stát a jeho orgány, burzovní makléři aj. Všichni tito uživatelé potřebují analýzu, aby mohli na základě srovnání a zjištění příčin posoudit dosavadní vývoj, rozhodnout se co je dobré, nebo co je lepší popřípadě horší. Především se zajímají o prognózu, aby mohli na základě toho dobře řídit. [4]

19

1.4.1Zdroje dat pro finanční analýzu

Úspěšnost finanční analýzy do značné míry závisí na kvalitě použitých vstupních informací. Měly by být nejen kvalitní, ale také komplexní. Jako zdroj takových informací nám můžou sloužit standartní účetní výkazy [3]:

 rozvaha,

 výkaz zisku a ztráty,

 výkaz cash flow

1.4.1.1 Rozvaha

Je to výkaz o majetku podniku (aktiva) a zdrojích jeho financování (pasiva) k určitému datu. Zpravidla se sestavuje k poslednímu dni každého roku. Rozvaha má bilanční formu což popisuje tento vztah:

∑celková aktiva společnosti = ∑zdroje financování aktiv

Vztah nám říká, že všechny aktiva společnosti musí mít nějaký zdroj financování. [3, 4] 1.4.1.2 Výkaz zisku a ztráty

Výkaz zisku a ztráty (výsledovka) představuje písemný přehled o výnosech, nákladech a výsledku hospodaření za určité období, zpravidla jednoho roku. Zachycuje tedy pohyb výnosů a nákladů, nikoliv pohyb příjmů a výdajů. [3]

1.4.1.3 Výkaz cash flow

Cash flow je výkaz, který bilanční formou srovnává příjmy (zdroje tvorby peněžních prostředků) s jejich užitím (výdaji) za určité období, neboli slouží k posouzení skutečné finanční situace. Dělí se na oblast provozní CF, investiční CF a finanční CF. Pro sestavení cash flow se používají dvě metody:

Přímá metoda – založeno na sledování příjmů a výdajů podniku za dané období. Nepřímá metoda – transformace zisku do pohybu peněžních prostředků.

Nejčastěji se používá nepřímá metoda. [3, 4]

20

1.4.2Metody finanční analýzy K základním metodám finanční analýzy patří:

 Analýza stavových (absolutních) ukazatelů – analýza majetkové a finanční struktury.

 Analýza tokových ukazatelů – především analýza výnosů, nákladů, zisku a cash flow.

 Analýza rozdílových ukazatelů – nejvýraznějším ukazatelem je čistý pracovní kapitál.

 Analýza poměrových ukazatelů – analýza ukazatelů likvidity, rentability, aktivity, zadluženosti, produktivity, ukazatelů kapitálového trhu, analýza ukazatelů na bázi cash flow a dalších ukazatelů.

 Analýza soustav ukazatelů. [6] 1.4.3Horizontální analýza

Zabývá se porovnáním změn položek jednotlivých výkazů v časové posloupnosti. Vychází z výpočtu absolutní výše změn a jejího procentního vyjádření k výchozímu roku. Výpočet: 𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑛í 𝑧𝑚ě𝑛𝑎 = 𝑢𝑘𝑎𝑧𝑎𝑡𝑒𝑙𝑡− 𝑢𝑘𝑎𝑧𝑎𝑡𝑒𝑙𝑡−1 vz. 18: Absolutní změna % 𝑧𝑚ě𝑛𝑎 = (𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑛í 𝑧𝑚ě𝑛𝑎 × 100)/𝑢𝑘𝑎𝑧𝑎𝑡𝑒𝑙𝑡−1 vz. 19: Procentní změna 1.4.4Vertikální analýza

Při vertikální analýze se posuzují jednotlivé položky majetku a kapitálu. Z toho je zřejmé, jaké je složení prostředků potřebných pro výrobu a obchodní aktivity podniku a z jakých

21

zdrojů byly pořízeny. Obvykle se pro rozbor rozvahy volí za základnu výše aktiv (pasiv) a pro rozbor výkazu zisku a ztráty velikost celkových výnosů a nákladů. [6, 7]

1.4.5Rozdílové ukazatele

Tyto ukazatele slouží k analýze a řízení finanční situace podniku se zaměřením na jeho likviditu. K nejvýznamnějším ukazatelům patří Čistý pracovní kapitál (ČPK) a Čisté pohotové prostředky (ČPP). [6]

1.4.5.1 Čistý pracovní kapitál

Čistý pracovní kapitál je nejčastěji používaným ukazatelem. Vypočítá se jako rozdíl mezi celkovými oběžnými aktivy a celkovými krátkodobými dluhy. [7]

Č𝑃𝐾 = 𝑜𝑏ěž𝑛á 𝑎𝑘𝑡𝑖𝑣𝑎 − 𝑘𝑟á𝑡𝑘𝑜𝑑𝑜𝑏á 𝑐𝑖𝑧í 𝑝𝑎𝑠𝑖𝑣𝑎 vz. 20: Čistý pracovní kapitál

1.4.5.2 Čisté pohotové prostředky

Určují okamžitou likviditu právě splatných krátkodobých závazků. Vypočítávají se jako rozdíl mezi pohotovými peněžními prostředky a okamžitě splatnými závazky. [6]

1.4.6Poměrové ukazatele

Podstatou poměrových ukazatelů je, že dává do poměru různé položky rozvahy, výkazu zisku a ztráty, případně cash flow. Díky tomu lze zkonstruovat velké množství ukazatelů. Jsou to zejména ukazatele zadluženosti, likvidity, rentability a aktivity. Analýza pomocí poměrových ukazatelů je nejoblíbenější metoda především proto, že umožňuje získat rychlou představu o finanční situaci podniku. [6]

1.4.6.1 Ukazatele zadluženosti

Popisují vztah mezi cizími a vlastními zdroji financování podniku. Měří rozsah, v jakém podnik používá pro financování dluhy. Zadluženost není jen negativní charakteristikou podniku, její růst může přispět k celkové rentabilitě a tím i k vyšší tržní hodnotě podniku, ale současně zvyšuje riziko finanční nestability. [7]

22

Celková zadluženost

Základním ukazatelem zadluženosti je celková zadluženost. Doporučenou hodnotou je 30-60 %, u posuzování zadluženosti je však nutné respektovat příslušnost k odvětví a také schopnost splácet úroky z dluhů. [6]

𝐶𝑒𝑙𝑘𝑜𝑣á 𝑧𝑎𝑑𝑙𝑢ž𝑒𝑛𝑜𝑠𝑡 = 𝑐𝑖𝑧í 𝑘𝑎𝑝𝑖𝑡á𝑙

𝑐𝑒𝑙𝑘𝑜𝑣á 𝑎𝑘𝑡𝑖𝑣𝑎 vz. 21: Celková zadluženost

Koeficient samofinancování

Vyjadřuje finanční nezávislost podniku, zároveň je doplňkem k ukazateli celkové zadluženosti. Oba ukazatele informují o finanční struktuře podniku a jejich součet by měl být roven 1. [7]

𝐾𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑠𝑎𝑚𝑜𝑓𝑖𝑛𝑎𝑛𝑐𝑜𝑣á𝑛í = 𝑣𝑙𝑎𝑠𝑡𝑛í 𝑘𝑎𝑝𝑖𝑡á𝑙

𝑐𝑒𝑙𝑘𝑜𝑣á 𝑎𝑘𝑡𝑖𝑣𝑎 vz. 22: Koeficient samofinancování

Úrokové krytí

Úrokové krytí nás informuje o schopnosti splácet úroky ze zisku. Pokud je hodnota 1, znamená to, že podnik vytvořil zisk na zaplacení úroků, ale na akcionáře nezbylo nic. Z toho plyne, že uvedená hodnota není pro podnik dostačující. Doporučená hodnota by měla být vyšší než 5. [6]

Ú𝑟𝑜𝑘𝑜𝑣é 𝑘𝑟𝑦𝑡í = 𝐸𝐵𝐼𝑇 𝑛á𝑘𝑙𝑎𝑑𝑜𝑣é ú𝑟𝑜𝑘𝑦 vz. 23: Úrokové krytí

23

1.4.6.2 Ukazatele likvidity

Likvidita podniku znamená schopnost hradit své závazky. Ukazatele likvidity poměřují to, čím je možné platit, s tím co je potřeba zaplatit.

Běžná likvidita (likvidita III. stupně)

Tento ukazatel udává, kolikrát pokrývají oběžná aktiva krátkodobé cizí zdroje podniku. Doporučená hodnota je v rozmezí 1,5-2,5. [6]

𝐵ěž𝑛á 𝑙𝑖𝑘𝑣𝑖𝑑𝑖𝑡𝑎 = 𝑜𝑏ěž𝑛á 𝑎𝑘𝑡𝑖𝑣𝑎

𝑘𝑟á𝑡𝑘𝑜𝑑𝑜𝑏é 𝑐𝑖𝑧í 𝑧𝑑𝑟𝑜𝑗𝑒 vz. 24: Běžná likvidita

Pohotová likvidita (likvidita II. stupně)

Doporučená hodnota u tohoto ukazatele je 1-1,5. V případě kdy je hodnota nižší, než 1 musí podnik spoléhat na případný prodej zásob. [6]

𝑃𝑜ℎ𝑜𝑡𝑜𝑣á 𝑙𝑖𝑘𝑣𝑖𝑑𝑖𝑡𝑎 =𝑜𝑏ěž𝑛á 𝑎𝑘𝑡𝑖𝑣𝑎 − 𝑧á𝑠𝑜𝑏𝑦

𝑘𝑟á𝑡𝑘𝑜𝑑𝑜𝑏é 𝑐𝑖𝑧í 𝑧𝑑𝑟𝑜𝑗𝑒 vz. 25: Pohotová likvidita

Okamžitá likvidita (likvidita I. stupně)

Okamžitá likvidita měří schopnost podniku hradit právě splatné dluhy. Ukazatel by měl nabývat hodnot v rozmezí 0,2-0,5. [7]

𝑂𝑘𝑎𝑚ž𝑖𝑡á 𝑙𝑖𝑘𝑣𝑖𝑑𝑖𝑡𝑎 =𝑘𝑟á𝑡𝑘𝑜𝑑𝑜𝑏ý 𝑓𝑖𝑛𝑎𝑛č𝑛í 𝑚𝑎𝑗𝑒𝑡𝑒𝑘 𝑜𝑘𝑎𝑚ž𝑖𝑡ě 𝑠𝑝𝑙𝑎𝑡𝑛é 𝑧á𝑣𝑎𝑧𝑘𝑦 vz. 26: Okamžitá likvidita

24

1.4.6.3 Ukazatele rentability

Tyto ukazatele jsou měřítkem schopnosti podniku vytvářet nové zdroje, dosahovat zisku použitím investovaného kapitálu. Slouží k hodnocení celkové efektivnosti dané činnosti. Tyto ukazatele nejvíce zajímají akcionáře a potenciální investory. [3]

Rentabilita tržeb – ROS

Ukazatel vyjadřuje, kolik čistého zisku připadá na 1 Kč celkových výnosů podniku. [3]

𝑅𝑂𝑆 = 𝑧𝑖𝑠𝑘

𝑡𝑟ž𝑏𝑦 vz. 27: Rentabilita tržeb

Rentabilita celkového kapitálu – ROA

Jedná se o ukazatel, který měří produkční sílu podniku, poměřuje zisk s celkovými aktivy investovanými do podnikání bez ohledu na to, z jakých zdrojů jsou financována. [3, 7]

𝑅𝑂𝐴 = 𝐸𝐵𝐼𝑇

𝑎𝑘𝑡𝑖𝑣𝑎

vz. 28: Rentabilita celkového kapitálu

Rentabilita vlastního kapitálu – ROE

Jedná se o ukazatel, s jehož pomocí mohou investoři zjistit, jestli je jejich kapitál reprodukován s náležitou intenzitou odpovídající riziku investice. [3]

𝑅𝑂𝐸 = č𝑖𝑠𝑡ý 𝑧𝑖𝑠𝑘

𝑣𝑙𝑎𝑠𝑡𝑛í 𝑘𝑎𝑝𝑖𝑡á𝑙 vz. 29: Rentabilita vlastního kapitálu

25

Rentabilita investovaného kapitálu – ROI

ROI patří k nejdůležitějším ukazatelům, kterým se hodnotí podnikatelská činnost firem. Vyjadřuje, s jakou účinností působí celkový kapitál vložený do podniku, nezávisle na původu financování. [7]

𝑅𝑂𝐼 = 𝑧𝑖𝑠𝑘 𝑝ř𝑒𝑑 𝑧𝑑𝑎𝑛ě𝑛í𝑚 + 𝑛á𝑘𝑙𝑎𝑑𝑜𝑣é ú𝑟𝑜𝑘𝑦

𝑐𝑒𝑙𝑘𝑜𝑣ý 𝑘𝑎𝑝𝑖𝑡á𝑙 vz. 30: Rentabilita investovaného kapitálu

1.4.6.4 Ukazatele aktivity

Ukazatele aktivity lze zjistit, jestli je velikost jednotlivých druhů aktiv v rozvaze v poměru k současným nebo budoucím hospodářským aktivitám podniku přiměřená, což znamená, zda aktivity měří schopnost podniku využívat investované prostředky. [3]

Obrat aktiv

Udává, kolikrát se aktiva obrátí za daný časový interval (rok).

𝑂𝑏𝑟𝑎𝑡 𝑎𝑘𝑡𝑖𝑣 = 𝑡𝑟ž𝑏𝑦

𝑎𝑘𝑡𝑖𝑣𝑎 vz. 31: Obrat aktiv

Obrat zásob

Udává, kolikrát je v průběhu roku každá položka zásob podniku prodána a znovu naskladněna. [7] 𝑂𝑏𝑟𝑎𝑡 𝑧á𝑠𝑜𝑏 = 𝑡𝑟ž𝑏𝑦 𝑧á𝑠𝑜𝑏𝑦 vz. 32: Obrat zásob

26

Doba obratu zásob

Doba obratu zásob ukazuje dobu, která je nutná k tomu, aby peněžní fondy přešly přes výrobky a zboží znovu do peněžní formy. [6]

𝐷𝑜𝑏𝑎 𝑜𝑏𝑟𝑎𝑡𝑢 𝑧á𝑠𝑜𝑏 = 𝑧á𝑠𝑜𝑏𝑦

𝑑𝑒𝑛𝑛í 𝑡𝑟ž𝑏𝑦 vz. 33: Doba obratu zásob

Doba obratu pohledávek

Ukazatel vyjadřuje období od okamžiku prodeje na obchodní úvěr, po které musí podnik v průměru čekat, než obdrží platby od svých odběratelů. [6]

𝐷𝑜𝑏𝑎 𝑜𝑏𝑟𝑎𝑡𝑢 𝑝𝑜ℎ𝑙𝑒𝑑á𝑣𝑒𝑘 =𝑝𝑜ℎ𝑙𝑒𝑑á𝑣𝑘𝑦

𝑑𝑒𝑛𝑛í 𝑡𝑟ž𝑏𝑦 vz. 34: Doba obratu pohledávek

27

2

ANALÝZA SOUČASNÉHO STAVU

Tato část bakalářské práce je zaměřena na představení mnou zvolené společnosti, její základní údaje a další informace o ní.

Dále následuje analýza vybraných ukazatelů a použití statistických metod. Zdrojem pro tyto výpočty byly použity účetní výkazy společnosti TSB a. s. z let 2009 – 2014.

Základní údaje

Název společnosti: Technické sítě Brno Sídlo: Barvířská 5, 602 00 Brno Právní forma: Akciová společnost Datum zápisu – vzniku: 1. 1. 1998

IČ: 255 12 285 2.1.1Hodnoty společnosti  Efektivnost  Kvalita  Spolupráce  Rozvoj  Komunikace 2.1.2Činnost společnosti

Hlavní činností společnosti je poskytování služeb městu Brnu. Jedná se především o správu a zabezpečení provozu veřejného osvětlení a slavnostního osvětlení a zabezpečení provozu podzemní kolektorové sítě města Brna. [8]

28

Perspektivní oblastí rozvoje společnosti je účast na přípravě technicko - ekonomického záměru budování metropolitní informační sítě města Brna a jejího servisního zabezpečení.

Druhou skupinou činností jsou podpůrné a pomocné aktivity. Tím je myšlena reklamní činnost, obchodní činnost a technické poradenství, nákup a prodej nového a použitého technického vybavení veřejného osvětlení, provozování a správa veřejného osvětlení v lokalitách mimo město Brno.

Společnost je také od roku 2009 každoročně pověřována zajištěním technického vybavení, tj. zajištěním vánočních a gastro stánků, a také vánočního osvětlení včetně rozsvícení vánočního stromu, v rámci Brněnských Vánoc. [8]

Analýza ukazatelů

Analýza ukazatelů je jeden z nejhlavnějších úkolů mé bakalářské práce. Cílem této analýzy je zkoumat pomocí statistických metod závislosti jednotlivých hodnot ekonomických ukazatelů a jejich vývoj v čase s možností předpovědět budoucí výsledky.

2.2.1Analýza tržeb

Na analýzu tržeb jsem použil položku Tržby za prodej vlastních výrobků a služeb, která je obsažena ve výkazu zisku a ztrát.

graf 1: Tržby za prodej vlastních výrobků a služeb (Zdroj: vlastní zpracování)

220 000 222 000 224 000 226 000 228 000 230 000 232 000 234 000 236 000 238 000 240 000 2009 2010 2011 2012 2013 2014

Tržby za prodej vlastních výrobků a služeb

29

Rok Tržby (v tis. Kč) První diference Koeficient růstu

2009 232 840 - - 2010 226 222 -6 618 0,9716 2011 227 762 1 540 1,0068 2012 228 290 528 1,0023 2013 227 253 -1 037 0,9955 2014 238 237 10 984 1,0483

Tabulka 1: Tržby za prodej vlastních výrobků a služeb - charakteristiky časové řady (Zdroj: vlastní zpracování)

Z výše uvedeného grafu (graf 1) je vidět, že tržby mezi roky 2009 – 2010 klesly zhruba o 6,5 milionu českých korun. Od roku 2011 nastává zlepšení a tržby mírně rostly. Největší nárůst je v roce 2014, kdy tržby vzrostly o téměř 11 milionů korun.

Průměrná výše tržeb v období 2009 – 2014 je 230 101 tisíc korun. Vypočítal jsem, že se tržby ročně průměrně zvyšovali o 1079,4 tisíc korun, což znamená, že průměrně rostly 1,0046 krát.

ȳ = 230 101 ̅̅̅̅̅̅̅̅₁𝑑(𝑦) = 1079,4 𝑘(𝑦)̅̅̅̅̅̅ = 1,0046

Na níže uvedených grafech jsou znázorněny výpočty vývoje prvních diferencí tržeb a vývoje koeficientu růstu tržeb včetně jejich průměrů.

2010 2011 2012 2013 2014 První diference - -6 618 1 540 528 -1 037 10 984 -8 000 -6 000 -4 000 -2 000 0 2 000 4 000 6 000 8 000 10 000 12 000

Vývoj prvních diferencí

graf 2: Vývoj prvních diferencí (Zdroj: vlastní zpracování)

30

graf 3: Vývoj koeficientu růstu tržeb (Zdroj: vlastní zpracování)

2.2.1.1 Trend a předpověď vývoje

K vyrovnání časové řady a předpověď budoucích období jsem použil funkce v programu Microsoft Excel. K odhadu budoucího vývoje jsem zvolil polynomickou funkci, protože měla nejvyšší index determinace I2 _{= 0,8073. Tvar funkce je:}

y (x) = 1387,5x2 _{– 8838,3x + 239990.}

Díky této funkci je možné předpovědět budoucí vývoj tržeb. Odhad pro období v roce 2015 je 246109,4 tisíc Kč a v roce 2016 je to 258083,6 tisíc Kč.

0,9200 0,9400 0,9600 0,9800 1,0000 1,0200 1,0400 1,0600 2010 2011 2012 2013 2014

Vývoj koeficientu růstu tržeb

31

graf 4:Vývoj tržeb s odhadem na rok 2015 a 2016 (Zdroj: vlastní zpracování) 2.2.2Analýza likvidity

V následující tabulce jsou uvedené vypočítané ukazatele likvidity. K jejich výpočtu byly použity vzorce 24, 25 a 26.

Rok 2009 2010 2011 2012 2013 2014

běžná likvidita 1,720 1,666 1,898 1,913 1,768 3,598 pohotová likvidita 1,504 1,509 1,752 1,668 1,593 2,805 okamžitá likvidita 0,713 0,741 0,784 0,704 0,647 1,702

Tabulka 2: Ukazatele likvidity (Zdroj: vlastní zpracování)

graf 5: Vývoj ukazatelů likvidity (Zdroj: vlastní zpracování)

200 000 210 000 220 000 230 000 240 000 250 000 260 000 270 000 2009 2010 2011 2012 2013 2014 2015 2016

Tržby (v tis. Kč)

Tržby (v tis. Kč) Odhad vývoje tržeb

0,000 0,500 1,000 1,500 2,000 2,500 3,000 3,500 4,000 2009 2010 2011 2012 2013 2014

Vývoj ukazatelů likvidity

běžná likvidita pohotová likvidita okamžitá likvidita

32

V tabulce je možné vidět, že běžná likvidita má kromě roku 2014, kdy hodnota je téměř 3,6, výsledky v doporučených hodnotách. V roce 2014 k tomu došlo vlivem snížení krátkodobých závazků.

Pohotová likvidita dosahuje za celé sledované období dobrých výsledků, opět až na rok 2014, kdy se hodnota zvýšila z 1,593 až na 2,805.

Dále v tabulce vidíme, že ukazatel okamžité likvidity má mírně zvýšené výsledky nad doporučenými hodnotami.

Následující tabulka zachycuje běžnou likviditu, její první diference a koeficienty růstu.

Rok Běžná likvidita První diference Koeficient růstu 2009 1,720 - - 2010 1,666 -0,054 0,969 2011 1,898 0,232 1,139 2012 1,913 0,015 1,008 2013 1,768 -0,145 0,924 2014 3,598 1,830 2,035

Tabulka 3: Běžná likvidita - charakteristiky časové řady (Zdroj: vlastní zpracování)

Ve sledovaném období byla průměrná výše běžné likvidity 2,0938, ta v průměru meziročně rostla o 0,3756, což je 1,1591 krát každý rok.

ȳ = 2,0938 ̅̅̅̅̅̅̅̅₁𝑑(𝑦) = 0,3756 𝑘(𝑦)̅̅̅̅̅̅ = 1,1591

33

graf 6: První diference běžné likvidity (Zdroj: vlastní zpracování)

graf 7: Koeficient růstu běžné likvidity (Zdroj: vlastní zpracování)

2.2.2.1

K vyrovnání časové řady a předpověď budoucích období jsem použil funkci v programu Microsoft Excel. K odhadu budoucího vývoje jsem zvolil polynomickou funkci, protože měla nejvyšší index determinace I2 _{= 0,7574 a jevila se jako nejvhodnější. Tvar funkce}

je: y (x) = 0,1413x2 – 0,7115x + 2,4414. -0,500 0,000 0,500 1,000 1,500 2,000 2010 2011 2012 2013 2014

První diference bežné likvidity

První diference 0,000 0,500 1,000 1,500 2,000 2,500 2010 2011 2012 2013 2014

Koeficient růstu běžné likvidity

Koeficient růstu

34

Díky této funkci je možné předpovědět budoucí vývoj běžné likvidity. Odhad pro období v roce 2015 je 4,3846 a v roce 2016 je to 5,7926.

graf 8: Odhad vývoje běžné likvidity (Zdroj: vlastní zpracování)

2.2.3Analýza zadluženosti

V tabulce 4 jsou uvedené hodnoty ukazatelů zadluženosti. Pro jejich výpočet jsem použil vzorce 21, 22 a 23.

Rok Celková zadluženost Koeficient samofinancování Úrokové krytí

2009 16,61% 83,28% 1,423 2010 14,81% 85,10% 2,098 2011 12,39% 87,35% 5,667 2012 10,01% 89,89% 7,301 2013 8,39% 91,51% 2,689 2014 6,13% 93,76% 2,690

Tabulka 4: Ukazatele zadluženosti (Zdroj: vlastní zpracování)

Za celé sledované období je celková zadluženost pod 50%, což znamená, že společnost nemá velkou míru zadlužení. Také můžeme z Tabulky 4 vidět, že celková zadluženost od roku 2009 do roku 2015 klesla o 10 %, to znamená, že společnost je schopna hradit své závazky. 0,000 1,000 2,000 3,000 4,000 5,000 6,000 7,000 2009 2010 2011 2012 2013 2014 2015 2016

Běžná likvidita

Běžná likvidita Odhad vývoje likvidity

35

Koeficient samofinancování nám udává, kolik procent aktiv společnost pokrývá vlastními zdroji. Hodnoty ukazují, že koeficient samofinancování v celém sledovaném období vzrostl z 83 % na téměř 94 %.

graf 9: Vývoj ukazatelů zadluženosti (Zdroj: vlastní zpracování)

Výsledky úrokového krytí v letech 2009 – 2014 ukazují, že společnost dobře snášela zadluženost. Hodnota se stále držela nad úrovní 1.

Následující tabulka ukazuje časové charakteristiky celkové zadluženosti.

Rok Celková zadluženost První diference

Koeficient růstu 2009 16,61% - - 2010 14,81% -0,018 0,891 2011 12,39% -0,024 0,837 2012 10,01% -0,024 0,808 2013 8,39% -0,016 0,838 2014 6,13% -0,023 0,731

Tabulka 5: Celková zadluženost - charakteristiky časové řady (Zdroj: vlastní zpracování) Ve sledovaném období byla průměrná výše celkové zadluženosti 11,39 %, ta v průměru meziročně klesala o 2,1 %, což je 0,8193 krát každý rok.

ȳ = 11,39 ̅̅̅̅̅̅̅̅₁𝑑(𝑦) = 2,1 𝑘(𝑦)̅̅̅̅̅̅ = 0,8193 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00% 2009 2010 2011 2012 2013 2014

Vývoj ukazatelů zadluženosti

Celková zadluženost Koeficient samofinancování

36

graf 10: První diference celkové zadluženosti (Zdroj: vlastní zpracování)

K vyrovnání časové řady a předpovědi budoucích období jsem použil funkci v programu Microsoft Excel. K odhadu budoucího vývoje jsem zvolil lineární regresní funkci, protože měla nejvyšší index determinace I2 _{= 0,9677 a jevila se jako nejvhodnější. Tvar}

funkce je: y (x) = -0,0251x + 0,1983. -0,030 -0,025 -0,020 -0,015 -0,010 -0,005 0,000 2010 2011 2012 2013 2014

První diference

Koeficient růstu

graf 11: Koeficient růstu celkové zadluženosti (Zdroj: vlastní zpracování)

37

Díky této funkci je možné předpovědět budoucí vývoj celkové zadluženosti. Odhad pro období v roce 2015 je 0,0226.

graf 12: Odhad vývoje celkové zadluženosti (Zdroj: vlastní zpracování)

2.2.4Analýza rentability

V následující tabulce (Tabulka 6) jsou uvedené vypočítané ukazatele rentability. K jejich výpočtu byli použity vzorce 27, 28, 29 a 30.

Rok 2009 2010 2011 2012 2013 2014

ROI 0,99% 0,79% 1,54% 1,44% 0,29% 0,17% ROA 0,82% 0,67% 1,35% 1,29% 0,26% 0,16% ROE 0,28% 0,27% 0,35% 0,29% 0,79% 0,15% ROS 6,85% 5,75% 11,36% 10,70% 2,16% 1,26%

Tabulka 6: Ukazatele rentability (Zdroj: vlastní zpracování)

-2,00% 0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 14,00% 16,00% 18,00% 20,00% 2009 2010 2011 2012 2013 2014 2015 2016

Prognóza vývoje celkové zadluženosti

Celková zadluženost Odhad vývoje celkové zadluženosti

38

graf 13: Rentability (Zdroj: vlastní zpracování)

Rok ROI První diference

Koeficient růstu 2009 0,99 - - 2010 0,79 -0,20 0,80 2011 1,54 0,75 1,95 2012 1,44 -0,10 0,94 2013 0,29 -1,15 0,20 2014 0,17 -0,12 0,59

Tabulka 7: Rentabilita vloženého kapitálu (Zdroj: vlastní zpracování)

Jak je vidět z Tabulky 7 ukazatel rentability vloženého kapitálu do roku 2011 roste, poté začíná klesat.

Průměrná výše ROI v období 2009 – 2014 je 0,87. Vypočítal jsem, že ukazatel ROI ročně průměrně klesal o 0,164, což znamená, že průměrně klesaly 0,7 krát.

ȳ = 0,87 ̅̅̅̅̅̅̅̅₁𝑑(𝑦) = -0,164 𝑘(𝑦)̅̅̅̅̅̅ = 0,7

Na níže uvedených grafech jsou znázorněny výpočty vývoje prvních diferencí ROI a vývoje koeficientu růstu ROI včetně jejich průměrů.

0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 2009 2010 2011 2012 2013 2014

Rentability

ROI ROA ROE ROS

39

graf 14: Vývoj první diference rentability (Zdroj: vlastní zpracování)

graf 15: Vývoj koeficientu růstu rentability (Zdroj: vlastní zpracování) 2.2.4.1 Odhad vývoje rentability

K vyrovnání časové řady a předpověď budoucích období jsem použil funkci v programu Microsoft Excel. K odhadu budoucího vývoje jsem zvolil exponenciální funkci, protože měla nejvyšší index determinace I2 _{= 0,4994 a jevila se jako nejvhodnější. Tvar funkce}

je: y (x) = 2,1781e-0,34x. -1,50 -1,00 -0,50 0,00 0,50 1,00 2010 2011 2012 2013 2014

První diference rentability

Koeficient růstu rentability

40

Díky této funkci je možné předpovědět budoucí vývoj ROI. Na grafu 16 je vidět, že ROI bude stále klesat.

graf 16: Odhad vývoje ROI (Zdroj: vlastní zpracování) 2.2.5Analýza aktivity

V následující tabulce (Tabulka 8) jsou uvedené vypočítané ukazatele aktivity. K jejich výpočtu byli použity vzorce 31, 32 a 33.

Rok 2009 2010 2011 2012 2013 2014

Obrat aktiv 0,120 0,117 0,119 0,121 0,121 0,130 Obrat zásob 24,885 28,964 29,910 20,099 28,194 21,358 Doba obratu zásob 14 12 12 18 13 17 Doba obratu pohledávek 44 42 54 56 66 21

Tabulka 8: Ukazatele aktivity (Zdroj: vlastní zpracování)

V tabulce (Tabulka 8) je vidět, že hodnoty obratu aktiv i zásob se ve sledovaném období pohybují na stejné úrovni.

Hodnoty doby obratu pohledávek jsou podle mého názoru docela vysoké. Jejich hodnoty by se měly pohybovat kolem 30 dní, což je splněno pouze v roce 2014.

0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2009 2010 2011 2012 2013 2014 2015 2016

Vývoj ROI

ROI odhad vývoje ROI

41

graf 17: Doby obratu (Zdroj: vlastní zpracování)

Rok OCA První diference Koeficient růstu

2009 0,120 - - 2010 0,117 -0,003 0,9751 2011 0,119 0,001 1,0127 2012 0,121 0,003 1,0226 2013 0,121 0,000 1,0003 2014 0,130 0,009 1,0729

Tabulka 9: Obrat celkových aktiv - charakteristiky časové řady (Zdroj: vlastní zpracování) Průměrná hodnota obratu celkových aktiv v období 2009 – 2014 je 0,1216. Vypočítal jsem, že ukazatel obratu celkových aktiv ročně průměrně rostl o 0,0020, což znamená, že průměrně 1,0162 krát.

ȳ = 0,1216 ̅̅̅̅̅̅̅̅₁𝑑(𝑦) = 0,0020 𝑘(𝑦)̅̅̅̅̅̅ = 1,0162

Na níže uvedených grafech jsou znázorněny výpočty vývoje prvních diferencí obratu celkových aktiv a také jejich vývoje koeficientu růstu včetně jejich průměrů.

0 10 20 30 40 50 60 70 2009 2010 2011 2012 2013 2014

Doba obratu zásob a pohledávek

Doba obratu zásob Doba obratu pohledávek

42

graf 18: Vývoj první diference OCA (Zdroj: vlastní zpracování)

graf 19: Vývoj koeficientu růstu OCA (Zdroj: vlastní zpracování) 2.2.5.1 Odhad vývoje obratu celkových aktiv

K vyrovnání časové řady a předpovědi budoucích období jsem použil funkci v programu Microsoft Excel. K odhadu budoucího vývoje jsem zvolil lineární regresní funkci, protože měla nejvyšší index determinace I2 _{= 0,5863 a jevila se jako nejvhodnější. Tvar}

funkce je: y (x) = 0,0019x + 0,115. -0,004 -0,002 0,000 0,002 0,004 0,006 0,008 0,010 2010 2011 2012 2013 2014

Vývoj prvních diferencí

Vývoj koeficient růstu

43

Díky této funkci je možné předpovědět budoucí vývoj obratu celkových aktiv. Odhad pro období v roce 2015 je 0,1283 a v roce 2016 je to 0,1302.

graf 20: Odhad vývoje OCA (Zdroj: vlastní zpracování)

0,110 0,115 0,120 0,125 0,130 0,135 2009 2010 2011 2012 2013 2014 2015 2016

OCA

OCA Odhad vývoje OCA

44

3

VLASTNÍ NÁVRHY ŘEŠENÍ

V této části mé práce udělám shrnutí analýzy společnosti Technické sítě Brno a. s. a navrhnu řešení problémů. Řešení problematických bodů bude navrhnuto z předešlé analýzy.

Likvidita

Ve společnosti se v období 2009 – 2013 pohybovaly všechny druhy likvidity v doporučených hodnotách. Pouze v roce 2014 došlo u všech k prudkému nárůstu, což je na jednu stranu výhodné z hlediska získávání nových finančních prostředků od věřitelů, protože takto prezentovaná likvidita dává záruky z hlediska návratnosti finančních prostředků. Na druhou stranu nadměrná likvidita bude snižovat rentabilitu, protože finanční prostředky nejsou ukládány ve výnosnějších formách aktiv.

Z hlediska likvidity společnosti doporučuji sledovat výši ukazatelů v kratších časových intervalech. Častější sledování pomůže lépe vyhodnotit celkovou likvidní situaci ve společnosti. Do sledování likvidity by měli být zapojeni všichni, kdo připravují marketingový plán, kdo navrhuje nové služby a ti kdo je nabízí zákazníkům. Společnost by měla být sehraným týmem.

Aby společnost měla silný, a sehraný tým doporučuji uspořádat teambuilding. Teambuilding je užitečný nástroj pro zvýšení výkonu podřízených nebo spolupracovníků díky budování týmové spolupráce. Je založený na rozvoji, tvorbě a následném stmelování týmů. [14]

V podstatě se jedná o zážitkové vzdělávání. Účastníci těchto aktivit si vyzkouší v rámci různých her nebo překonávání překážek a plnění úkolů, jak co nejlépe dosáhnout cíle za použití dovedností všech členů týmu. Díky tomu objeví silné a slabé stránky, které dále pomohou k tvorbě funkčnosti týmu, také se zlepší komunikace v týmu. [14]

Cena teambuildingu, kterou jsem našel na internetu je 1290 Kč za osobu na dva dny.